第2章知识表示(第四讲)419分析

5
• 本章的主要内容
• • • • • • • • • • 1 2 3 4 5 6 7 8 9 知识表示概述 谓词逻辑的知识表示 产生式表示法 语义网络表示法 框架知识表示法 过程知识表示法 Petri网模型表示法 面向对象的知识表示 其它知识表示法
6
2.1 知识与知识表示的概念
• 2.1.1 知识的概念
• • • • • • 一阶谓词逻辑表示的逻辑学基础 命题和真值；论域和谓词；连词和量词； 项与合式公式；自由变元与约束变元 谓词逻辑表示方法 谓词逻辑表示的应用 谓词逻辑表示的特性
主要讨论（数学基础）
14
2.2.1一阶谓词逻辑表示的逻辑基础
• • 命题的定义： 定义2.1 一个陈述句称为一个断言.
•
2
第三次课主要内容
符号主义 功能模拟 构造能够模拟大脑功能的智能系统。 连接主义 结构模拟 构造模拟大脑结构的神经网络系统。 行为主义 行为模拟 构造具有进化能力的智能系统。
3
第三次课主要内容
1机器思维 2机器感知 机器视觉 模式识别 自然语言理解 3机器行为 智能控制 智能制造 智能检索 智能机器人 4计算智能 神经计算 进化计算 模糊计算 5机器学习 符号学习 神经学习 知识发现和数据挖掘
结构表示法：语义网络，框架 过程表示法：
13
2.2 一阶谓词逻辑表示法
一阶谓词逻辑表示法是一种基于数理逻辑的表示方法。数理逻辑是一门研究推 理的学科。可分为： 一阶经典逻辑：一阶经典命题逻辑，一阶经典谓词逻辑 非一阶经典逻辑：指除经典逻辑以外的那些逻辑，例如：二阶逻 辑，多值逻辑，模糊逻辑等。 知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。 *特点：使用谓词逻辑和公式表达各种意境，首先抓住一般自然语言主语、谓语结 构的特点，再依据谓词逻辑公式关于意境描述及连接词、量词关联信息进行综合分 析。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓 词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。下面我们结合实 例的描述，以便逐渐掌握谓词逻辑的知识表示技术。 •
顺便指出：同构解答与原始问题有相同的形式解；而对于同态问题，如要得到原始解， 只需对同态解答再施行反运算 (T-1)即可。在自然科学实际应用研究中，利用映射（称 为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。
12
•
一、知识表示的分类
•
a.陈述性知识表示（Declarative)：知识按某种结构存储，知识的使 用由过程来实现.描述系统的状态、环境和条件、问题的概念、定义和 事实。
人工智能
Artificial Intelligence
第四次课：知识表示 Knowledge Representation
• 董春游(Chunyou Dong) PhD,Professor Email:chunyoudong@
•
Heilongjiang institute of Science and Technology • Harbin 150027，China)
Meta Knowledge
(rules about rules)
(rules+facts)
Knowledge Information
(facts) Data
Noise
The sequence of 12 numbers：137178007124,Without knowledge. This entire sequence may appear to be noise. Rule 1：IF Rain THEN Bring Raincoat Rule 2：IF Rain THEN Bring Umbrella Meta Rule 1：Try Rule 2 First Meta Rule 2：IF Ride a motorcycle THEN Try Rule 1 First Meta knowledge is knowledge about knowledge and expertise. －would specify which knowledge base was applicable.
1
关于投稿AI期刊及会议的一点建议
• 一、投稿AI期刊 – Systematic Works（系统性、完整性、创新性工作） – Three Elements (IRS): “Original Novel Ideas + Pretty Good Results + High Writing Skills” – 要有“屡败屡战”的勇气 – 要符合特定期刊的“胃口” – 英文语言关至关重要（至少要改20多遍） – 先投顶级或著名的AI会议，录用并做Presentation后，尽快补充、完善，然后再投国际AI期刊(投 稿时要声明：部分工作已在XX会议上宣读过) – …… 二、投稿AI会议 – 不一定非得有Systematic Works，但Ideas必须新！ – 投稿会议的目标要明确：切入特定的研究圈子！ – 同样要有“屡败屡战”的勇气 – 要有针对性地投稿，不主张到处“乱撒种” – 不在迫不得已的情况下，不主张投不入流的会议 – 若论文被录用，要参加会议并做Presentation，更重要的是，争取以后每年都有论文被录用，持 之以恒，迟早会成为圈子中的一员，而不是学术上的“游击队员” – ……
9
• e.按知识的等级 • 零级知识：叙述性知识 • 一级知识：过程性知识 • 二级知识：控制性知识（元知识或超知识）
f.按知识的作用效果 事实性知识：用于描述事物的概念、定义、属性等； 或用于描述问题的状态、环境、条件等。 过程性知识：用于问题求解过程的操作、演算和行为的 知识；用来指出如何使用那些与问题有关 的事实性知识的知识； 表示方式：产生式、谓词、语义网络等。 控制性知识：(元知识或超知识)是关于如何使用过程性 知识的知识； 例如：推理策略、搜索策略、不确定性的传播策略。
•
• • • • •
优点：灵活、简洁，演绎过程完整、确定，知识维护方便
缺点：推理效率低、推理过程不透明 b.过程性知识表示（Procedure)：知识寓于使用知识的过程中 优点：推理效率高、过程清晰 缺点：灵活性差、知识维护不便 逻辑表示法：一阶谓词逻辑
• 二、知识表示的方法
•
• •
产生式表示法：产生式规则
8
• 2.知识的类型
•
• • • • • • • • • • • • • • •
a.知识的性质与特征： 概念、命题、公理、定理、规则和方法（时间性 不完备性，如医生配药对药性的掌握程度） b.按知识的作用 常识性知识：通用通识的知识。 领域性知识：面向某个具体专业领域的知识。例如：专家经验。 c.按知识的层次 表层知识：描述客观事物的现象的知识。例如：感性、事实性知识 深层知识：描述客观事物本质、内涵等的知识。例如：理论知识 d.按知识的确定性 确定性知识：可以说明其真值为真或为假的知识 不确定性知识：包括不精确、模糊、不完备知识 不精确：知识本身有真假，但由于认识水平限制却不能肯定其真假 表示：用可信度、概率等描述 模糊：知识本身的边界就是不清楚的。例如：大，小等 表示：用可能性、隶属度来描述 不完备：解决问题时不具备解决该问题的全部知识。例如：医生看病
17
• 谓词与函数的区别：
2.2.1一阶谓词逻辑表示的逻辑基础
连词
• 连词： • ¬ ： “非”或者“否定”。表示对其后面的命题的否定 • ∨ ：“析取”。表示所连结的两个命题之间具有“或”的关系 • ∧：“合取”。 表示所连结的两个命题之间具有“与”的关系。 • → ： “条件”或“蕴含”。表示“若…则…”的语义。读作“如果P，则 Q” • 其中，P称为条件的前件，Q称为条件的后件。 • ↔ ：称为“双条件”。它表示“当且仅当”的语义。即读作“P当且仅当 Q”。 • 例如，对命题P和Q，P↔Q表示“P当且仅当Q”， P Q ¬P P→Q P↔Q P∨Q P∧Q T T T F F F T T T F T F T F
6智能系统 专家系统 智能决策支持系统 7学科
4
第2章
知识表示
知识是一切智能行为的基础，要使计算机具有智能，首先必须使它拥有知识。
知识表示(Knowledge Representation)，即把知识用计算机可接受的符号并以 某种形式描述出来。诸如图表结构、语法树、规则匹配模式、树形或网状表达等。 简言之，知识表示就是知识的符号化过程。即把相关问题的知识加以形式化描述， 表示成为便于机器（计算机）存储、管理和调用的某种数据结构模式。
Dn {( x1 , x2 , , xn ) | x1 , x2 , , xn D}
• • • 则称P是一个n元谓词，记为P(x1,x2,…,xn)，其中，x1,x2,…,xn为个体， 可以是个体常量、变元和函数。 例如：GREATER(x,6) x大于6
16
TEACHER(father(Wang Hong)) 王宏的父亲是一位教师
FFΒιβλιοθήκη TFTT
T
F
F
F
T
• 2.1.2
知识表示的概念
7
2.1.1 知识(The meaning of Knowledge)
1.知识
知识：人们在改造客观世界的实践中积累起来的认识和经验。 • 认识：包括对事物现象、本质、属性、状态、关系、联 • 系和运动等的认识 • 经验：包括解决问题的方法 • • • • • • 知识的有代表性的定义 Feigenbaum: 知识是经过剪裁、塑造、解释、选择和转换了 的信息 Bernstein： 知识由特定领域的描述、关系和过程组成 Heyes-Roth：知识=事实+信念+启发式 levels
11
知识表示及其映射原理，如图2-1加以示意说明。
同构 映射 原始问题
T
同构问题